由于城市建设快速发展,各种大跨度结构不断建设和投入使用。其中网格结构的作用慢慢被人们重视,网格结构由杆件和螺栓球组成,这些构件使网格结构组成了一个超静定空间立体结构,其各杆件之间传力效果好,内力可以穿递到结构各处,所以结构较稳定,刚度大。而网格结构在服役期间内受到外界荷载、环境等因素的影响下,结构的构件往往容易出现疲劳积累、材料老化等问题,当损伤积累到了一定程度就会导致结构破坏,并造成人员伤亡和经济损失。所以对在服役的网格结构进行预防性的损伤识别就很有必要。为此,本文基于足尺网格结构模型的动测实验研究对网格结构的损伤识别方法进行了研究和探讨。本文主要研究内容和成果如下:建立了一个14m×1m ×0.4m足尺网格结构模型,通过对网格结构进行动力测试,完成了 15组损伤工况的数据采集,为本文研究的损伤识别方法建立了损伤样本数据库。研究了传感器布置、激励位置选择以及采集设备选取等工作,建立了一套实用、可行的网格结构动力测试的实验步骤和操作。建立了基于模态曲率差和广义回归神经网络的网格结构损伤识别方法。该方法首先通过一阶模态曲率差实现网格损伤位置定位;其次将输入数据归一化后,通过优化了 spread值的广义回归神经网络对网格结构实验模型进行识别研究,其结果表明,该方法可以准确地对本文网格结构模型的单杆、两杆及多杆损伤工况进行位置定位和程度识别,且识别精度较高,识别准确率均在90%以上,克服了传统损伤识别方法对大跨度网格结构的识别精度不足等问题。建立了基于AR特征参数和支持向量机的网格结构损伤识别方法,该方法首先构建12维AR特征参数图表现每组损伤工况特征,再将输入数据归一化,通过以radial basisfunction为核函数的支持向量机进行识别预测。通过对本文网格结构模型的识别研究,其结果表明,该方法可以对网格结构的单杆、两杆及三杆损伤工况的不同位置和不同程度进行有效识别,且识别准确率均在95%以上。识别精度优于广义回归神经网络,识别效果良好。并且在抗噪能力方面,对于相同工况,在保证相同识别精度的条件下,支持向量机的SNR值比广义回归神经网络的SNR值更低,支持向量机能在更高的噪声环境中保证识别的准确率。该方法在实际网格工程的损伤识别研究有较高实用价值。本文基于网格结构动测实验的研究,建立了基于模态曲率差和广义回归神经网络的网格结构损伤识别方法、建立了基于AR特征参数和支持向量机的网格结构损伤识别方法,两种结构损伤识别方法分别在网格结构的损伤工况中得到了有效验证,为实际网格工程的损伤识别提供一定的技术基础。